还有一些方法使用余弦相似度来判断测试样本特征和类内特征的距离,从而判断是否是OOD样本(Hyperparameter-Free Out-of-Distribution Detection Using Cosine Similarity;A Boundary Based Out-of-Distribution Classifier for Generalized Zero-Shot Learning)。此外,其他工作利用输入特征和类质心之间的径向基函数核(Uncertainty ...
通过提供见解、挑战和未来的方向,我们希望未来的工作能够更多地关注现有的问题,并在广义OODD范围内甚至范围外探索更多其他任务之间的交互 参考文献 Yang J, Zhou K, Li Y, et al. Generalized out-of-distribution detection: A survey[J]. arXiv preprint arXiv:2110.11334, 2021....
OOD detection任务(后面简称OOD)解决的问题就是如何检测出 Out-of-distribution 的样本,同时能维持In-distribution样本分类的准确率(数学定义见下图)。那么什么是In/Out distribution呢?distribution shift主要分为两种,一种是semantic shift,一种是covariant shift,前者表示训练集和测试集的label space不同,后者表示训练集...
【关于"Out-of-distribution detection(分布外检测)”、”Robustness(鲁棒性)”和”Generalization(泛化)”的资源汇总,涵盖了论文、教程、书籍、视频、文章和开源库等方面的内容】'OOD Detection, Robustness, and Generalization - A professionally curated list of papers, tutorials, books, videos, articles and open...
入门指南:OOD检测的基石与应用探索在人工智能的前沿,Out-of-Distribution (OOD) 检测是确保自动驾驶等关键领域安全性的基石。它涵盖了多种方法,如Anomaly Detection(AD)、Novelty Detection(ND)、Open Set Recognition(OSR)和Outlier Detection(OD),共同目标是识别并应对语义偏移的未知样本。其中,...
在实际应用当中,模型部署上线后得到的数据往往不能被完全控制的,会出先一些样本外的数据,也就是说模型接收的数据有可能是Out-of-Distribution (OOD)样本,也可以叫异常样本(outlier) 指的是模型能够检测出OOD样本,而OOD样本是相对于ID样本来说的。 如今的深度模型常常会对一个 OOD 样本认为是ID样本中的某一个类...
DNNs会把OOD(out-of-distribution)样本误分类为ID(in-distribution)样本,训练集为长尾分布时,问题被进一步加剧,表现为: OOD样本以较高的置信度分为head classes。 tail classes样本比head classes样本更容易被误分类为OOD样本。 Related Work 平衡数据集下的OOD检测 ...
**Out of Distribution (OOD) Detection** is the task of detecting instances that do not belong to the distribution the classifier has been trained on. OOD data is often referred to as "unseen" data, as the model has not encountered it during training. O
SSD: SELF-SUPERVISED OUTLIER/OUT-OF-DISTRIBUTION DETECTION 许多人用labeled training dataset做OOD Detection,但是这种方法有个本质的问题,按理来说只要不服从训练集的分布的数据就应该是OOD 数据,并不需要标签。然而,现在的一些需要labeled training dataset的方法在没有标签的情况下表现得很差,这种现象值得人们反思su...
对于out-of-distribution检测任务来说,这虽然是一个二分类问题,但是它与常见的二分类问题不同,主要区别在与没有训练集。因为在实际应用场景中,in distribution和out-of-distribution的比例极为悬殊,直接使用标签去进行学习显然是不可取的。 Motivation 为了解决这个问题,作者开了这么一个脑洞: ...